Unir archivos CSV

El problema cotidiano detrás de una unión

Pocas veces dos sistemas exportan datos en un solo archivo ordenado. Los pedidos viven en una exportación, los datos del cliente en otra; los catálogos de producto están separados de los conteos de inventario; la lista de contactos de una herramienta de marketing y la lista de cuentas de un sistema de facturación solo comparten un correo electrónico como punto en común. Reconciliarlos a mano implica abrir ambos archivos, ordenarlos por la columna compartida y unir las filas manualmente, un proceso lento, propenso a errores, y que hay que repetir cada vez que una de las fuentes se actualiza.

Elegir el tipo de join correcto

Llame a POST /data/merge-csv con dos archivos y la columna que los conecta, e indique si quiere un join interno, que conserva solo las filas presentes en ambos archivos; un join izquierdo, que conserva todas las filas del primer archivo y deja vacíos donde no hay coincidencia; o un join externo, que conserva todas las filas de ambos archivos sin importar si coinciden. Esta distinción importa más de lo que parece: un join interno descarta en silencio a los clientes que aún no han comprado, mientras que un join izquierdo los conserva con los campos de pedido vacíos, y elegir el tipo equivocado puede corromper silenciosamente un reporte posterior.

De dónde viene realmente la lógica de los joins

Los joins interno, izquierdo y externo no son una invención de este endpoint; provienen directamente del álgebra relacional, el fundamento matemático que las bases de datos SQL han usado desde los años setenta para combinar tablas. Traer ese mismo rigor a archivos CSV simples significa obtener un comportamiento predecible y bien entendido —el mismo que produciría una cláusula JOIN en una base de datos— sin necesidad de cargarlos primero en una.

Qué pasa con claves duplicadas o que no coinciden

Los archivos reales casi nunca encajan perfectamente: las claves pueden faltar en un lado, estar duplicadas, o tener formato inconsistente, como un identificador numérico guardado como texto con ceros a la izquierda en un archivo y sin ellos en el otro. La unión sigue una coincidencia exacta de clave según se configure, así que limpiar o normalizar la columna de unión de antemano —con un paso de transformación, por ejemplo— produce los resultados más confiables, en particular en archivos donde un lado tiene más claves duplicadas que el otro.

Su lugar dentro de un flujo más amplio

Como la unión corre de forma asíncrona y devuelve un task_id de inmediato, se combina de forma natural con otros pasos: transformar una columna primero, unir dos fuentes después, filtrar el resultado combinado al final. Los pipelines de reportes automatizados, los trabajos nocturnos de reconciliación y las solicitudes puntuales de un analista se benefician todos de no tener que cargar dos archivos en una hoja de cálculo ni escribir un script desechable solo para combinarlos.